天文观测角辅助的高超声速飞行器传递对准方法

针对复杂环境下高超声速飞行器的可靠、精确和快速的传递对准需求,提出了一种基于星敏感器天文观测角(高度角、方位角)的传递对准算法。以发射点惯性坐标系为导航系,分析了惯导系统在惯性系下的误差方程,提出了大失准角情况下的基于星敏感器天文高度角、方位角匹配的对准算法。针对该系统状态方程和量测方程的非线性特性,采用UKF滤波算法进行了仿真。仿真结果表明:观测星数达到两颗时,该方案可以在2 s内使得姿态角的估计误差达到13″。仿真验证了该算法的有效性,对其他高空飞行器的传递对准有一定参考价值。     

基于BP神经网络辅助的惯性/天文组合导航方法

针对高动态环境下惯性/天文组合导航精度下降的问题,提出一种基于神经网络辅助的惯性/天文组合导航方法。首先以组合导航滤波估计过程中的增益矩阵和动态环境下的惯性器件量测信息构建特征向量;然后,采用导航估计误差对BP神经网络进行训练;最后,利用BP神经网络的输出结果辅助修正组合导航系统。计算机仿真验证结果表明,相较于传统方法,基于BP神经网络辅助的惯性/天文组合导航系统的姿态估计精度可提高30%以上,在动态环境下姿态精度可以保持在5″(1σ)以内。所提出的方法对提高动态环境下惯性/天文组合导航系统的精度和适应能力具有一定的参考价值。     

星光折射辅助惯性/天文紧组合高精度导航方法

为了解决传统惯性/天文(SINS/CNS)组合导航无法在线精确估计加速度计零偏而导致SINS导航误差发散的难题,提出了一种动力学模型约束改进的捷联惯性星光折射组合导航方法。直接利用星敏感器观测的原始恒星像点坐标信息与约束改进的SINS导航动力学方程构建SINS/CNS紧组合模型,通过推导加速度计虚拟观测方程和适用于空天跨域飞行器导航的星光折射测量方程,采用扩展卡尔曼滤波方法,实现了对加速度计零偏和陀螺零偏在线估计。典型弹道仿真结果表明,在不增添额外传感器的条件下,相对于传统的基于姿态测量SINS/CNS组合,所提方法导航定位、定速和定姿精度分别提升了97.84%、98.61%和78.70%;相对于传统的基于星光折射SINS/CNS组合,定位、定速和定姿精度分别提升了28.09%、67.72%和79.10%。所提方法有效克服了传统方法精度恶化问题,显著提升了传统SINS/CNS组合导航精度。     

惯性/地磁组合导航算法

针对惯性/地磁组合导航滤波算法进行了深入研究.分析了惯性/地磁组合导航系统的基本原理,基于巡航导弹巡航段飞行过程建立了组合导航系统的滤波模型.在观测信息分别为实测地磁场三分量信息和单一幅值信息条件下,采用广义卡尔曼滤波和Unscented卡尔曼滤波算法进行了仿真分析.仿真结果表明,在观测信息为三分量地磁信息条件下,Unscented卡尔曼滤波总体滤波效果略优于广义卡尔曼滤波,两种算法在最后30 s内的平均定位精度都可达到50 m;在观测信息仅为地磁场幅值的情况下,广义卡尔曼滤波算法的滤波收敛速度和精度均大幅下降,而Unscented卡尔曼滤波仍然取得不错的收敛效果,滤波性能明显优于广义卡尔曼滤波.     

基于低成本组合导航定位系统的新融合滤波算法

设计了一种可用于地面交通工具或机器人的低成本组合导航定位系统，提出了基于该系统的新信息融合方法，将模糊卡尔曼滤波算法和地图匹配技术联合起来。仿真结果表明：模糊卡尔曼滤波算法相当于一数据平滑处理窗口，具有比常规卡尔曼滤波算法更高的精度。     

基于车辆运动模型辅助的智能手机平台车载组合导航算法

随着智能手机硬件性能的提升以及MEMS传感器技术的发展和应用普及,现有中高端智能手机平台中大多安装有消费级的微惯性测量单元和GPS接收机模块,将这两者相互结合,利用一定的信息融合方法,即可实现连续的车载导航定位。在智能手机平台中所采用的消费级MEMS惯性传感器模块其精度很低,通常难以满足车载DR导航算法的性能需求;同时在车辆行驶过程中,不可避免会经过高架、隧道等路径,也会导致GPS信号受到遮挡和屏蔽从而无法定位。针对以上问题,设计了适用于智能手机平台的基于车辆运动模型辅助的车载DR/GPS组合导航方案,推导建立了基于车辆侧向速度约束的组合导航算法模型,并以智能手机作为验证平台,测试验证了所设计的算法在无GPS环境下,采用智能手机平台中的消费级MEMS惯性测量组件,仍然可以在短时间内维持较高的导航定位性能。     

基于Unscented Kalman滤波的飞行器天文/地磁自主导航算法研究(英文)

针对地磁场模型精度低而引起的导航精度不高及基于轨道动力学方程的天文导航算法的局限性问题,提出了一种利用天文/地磁信息为观测量的飞行器自主导航方法,并建立了动力学方程,同时推导了观测方程。算法采用星光矢量与地磁矢量的夹角为观测量,采用UKF滤波器估计飞行器的速度和位置,并进行了仿真研究。仿真结果表明,该算法的精度要远高于单纯的地磁导航,滤波的收敛性和稳定性较好,导航误差不随时间累积,有工程应用价值。     

空天飞行器SINS/CNS深组合导航算法(英文)

空天飞行器往返于大气层内外,持续工作时间长。捷联惯性/天文组合导航自主性强、隐蔽性好,是最适合空天飞行器的导航方式之一。为提高传统天文定位的导航精度和可靠性,解决其在机载应用中水平基准制约的问题,分析了平台误差角和位置误差对高度角量测的影响,提出了一种以天体高度角为量测信息的捷联惯性/天文深组合导航算法。该算法采用卡尔曼滤波器进行最优估计,可有效估计并补偿系统的姿态误差,减少天文导航定位对水平基准的依赖。仿真表明,单星观测条件下,导航系统姿态误差快速收敛,定位的均方根误差在200 m以内,且系统导航性能随导航星数量的增加而提高。     

复杂环境下基于Huber-RKF的移动机器人信息融合算法

为解决移动机器人组合导航系统中由于存在时变、非高斯噪声而导致的估计精度下降问题,提出一种将秩卡尔曼滤波器(Rank Kalman Filter, RKF)与Huber统计线性回归近似方法相结合的Huber秩卡尔曼滤波算法(Huber-RKF)。RKF与高斯确定点采样型滤波算法结构相似,但它不需要满足高斯分布假设条件,完全利用秩统计量相关原理计算采样点及其权值,适用于非线性、非高斯系统;Huber方法将l1/l2混合范数作为代价函数,通过迭代求得最优估计值,具有较好的鲁棒性;把二者相结合,将Huber最优估计作为RKF算法结构中的量测更新,得到的Huber-RKF算法具有良好的鲁棒性和滤波估计精度。仿真实验中将Huber-RKF与EKF、RKF以及交互式多模型秩卡尔曼滤波器(IMM-RKF)进行比较,其纬度、经度估计误差分别减小了69.5%、75.6%,44%、44.1%,27%、14%;算法实时性方面,Huber-RKF算法中程序循环体单次执行的时间为20.8 ms,比IMM-RKF执行速度快33%。     

惯性/天文组合导航中的时空坐标转换及其误差分析

针对惯性/天文组合导航中将天文传感器测量信息从天球坐标系到地球坐标系转换的问题,研究了其转换过程中涉及到的时间系统和坐标转换关系,前者包括世界时、地球时、太阳系质心力学时、原子时和协调世界时等时间概念,后者包括岁差、章动、视恒星时和极移等旋转变换。对坐标转换过程中小于0.1″的因素进行了忽略和近似简化,误差分析表明,除地球自转角的计算需要比较精确的UT1时间外,其他天文参数计算中的时间输入均可直接使用UTC时间代替。仿真结果显示,所提简化算法的转换精度达到了0.2″,满足角秒级的天文传感器测姿精度需求。     

大椭圆轨道卫星天文/雷达高度计组合导航方法

为了实现大椭圆轨道卫星在整个轨道上的自主导航,提出了一种天文导航与雷达高度计测高相结合的组合导航方法。由于大椭圆轨道卫星在近地点动力学特性变化剧烈,单纯的以星光仰角为观测量的天文导航方法精度严重下降。雷达高度计能够直接获得高度测量,但是受其体积和功率的限制,测量范围仅为1000 km以下的高度。考虑到两种方法的特点,采用两种方法的组合导航方案,利用UKF滤波方法进行导航估计。当卫星进入近地点附近,其高度小于1000 km时,在天文导航中引入雷达高度计测量实现精确导航;当卫星在远地点时,则仅采用天文导航方法。仿真结果表明,所提出的组合导航方案,能够充分结合两种导航方法的特点,实现大椭圆轨道卫星自主、连续的导航信息输出,其导航精度较单纯的天文导航方法提高约68.9%。     

DVL安装角估计方法在水下组合导航系统中的应用

对于INS/DVL组合导航系统,如何准确估计出DVL与载体之间的安装关系是影响组合导航系统精度的关键因素,针对该问题提出了一种在线迭代递推算法,应用卡尔曼滤波技术,对此安装关系进行估计。并对安装关系中的状态变量的可观性进行分析,给出了满足可观性所需的条件以及舰船运动方式。设计出了估计滤波器,并进行了实际船载实验。实验结果表明:在安装角误差小于10°的情况下,迭代计算两次后误差小于0.1°,估计精度满足要求,算法有效可行。该方法代替了人工光学标定方法,具有很好的工程应用价值。     

巡航飞行器惯性/地磁组合导航方法的误差(英文)

地磁辅助导航是组合导航技术的新方向,而导航误差的研究是分析惯性/地磁组合导航性能的重要内容之一。以等高或近似等高飞行的巡航飞行器为应用对象,建立了惯性/地磁组合导航系统的卡尔曼滤波器;通过仿真结果并结合理论分析重点讨论了校正方式、惯性器件测量精度、地磁场特征与磁测误差、基准图的网格间距、滤波周期、初始位置与初始速度误差等各种因素对位置和速度等导航误差的影响。     

一种车载组合导航系统的联邦滤波新算法

针对车载GPS/DR组合导航系统的特点,提出了一种新的联邦滤波算法.子滤波器由两个滤波器构成:一个是卡尔曼滤波器,另一个是Unscented卡尔曼滤波器(UKF),它们分别处理GPS子系统和DR子系统的信息.UKF是一种较新的非线性滤波方法,相对传统的非线性滤波器EKF具有更高的滤波精度和更高的计算效率.联邦滤波器的信息分配因子采用一种基于观测误差的最小均方误差形式,最佳地融合了传感器的输出信息.这种结构降低了联邦滤波器的计算难度和计算量,提高了组合导航系统的可靠性和容错性.仿真结果表明,提出算法的定位精度很高,与UKF算法的效果相当.     

鲁棒性地形匹配/惯性组合导航算法

基于传统平均绝对差算法引入了选取搜索区域和匹配运算的改进策略,使得算法在匹配定位时允许载体灵活机动,提高了实时性;针对桑迪亚算法易发散的问题,分析了组合滤波算法的特点,建立了地形匹配/惯性组合导航的数学模型;针对地形匹配"虚定位"影响滤波结果的问题,引入了一种基于新息向量的鲁棒检测算法,采用最小二乘对误匹配点进行拟合改正。仿真研究表明:与传统算法相比,组合滤波算法精度更高、稳定性更强,能高频率(200 Hz)输出高精度导航参数,误差保持在一个格网间距(90 m)以内;鲁棒检测算法能有效抵御粗差影响,在经纬度方向各加入0.05°粗差的情况下,仍可保持较高精度。     

SINS/GPS/CNS 组合导航联邦滤波算法

针对飞行器在长航时高速巡航过程中,捷联惯性导航系统存在误差漂移,GPS 导航可能会丢星、信号失锁,天文导航系统易受环境干扰,组合系统模型线性化误差易导致滤波发散等问题,分析了三种导航系统的优缺点,提出了 SINS/GPS/CNS 组合导航联邦滤波算法,该算法可以取长补短,巧妙地将 GPS 定位和天文导航定姿精度高的优势辅助于捷联惯导系统,利用卡尔曼联邦滤波器对捷联惯导系统进行误差估计,并对联邦滤波算法进行了有效的改进.计算机仿真显示,该滤波器收敛速度快,具有一定的容错功能,其滤波精度较 SINS/GPS 组合导航系统在位置误差和速度误差上均有约5%左右的小幅提升,在平台角误差上更是提高了一个数量级.仿真结果验证了该组合导航方案的可行性和算法的有效性,有重要的工程应用价值.     

基于交互式多模型秩滤波的移动机器人组合导航算法

针对非结构化环境下移动机器人组合导航系统中存在的时变或非高斯噪声,将秩滤波器(rank Kalman filter,RKF)与交互式多模型算法(interactive multiple model filter,IMM)相结合,提出一种交互式多模型秩滤波算法(IMM-RKF)。秩滤波根据秩统计量相关原理确定采样点和权值,可适用于具有非高斯噪声的非线性系统;交互式多模型算法是解决结构和参数易发生变化系统中状态估计问题的重要途径,能够抑制组合导航系统中时变噪声引起的导航参数估计误差。仿真实验表明,相比于交互式多模型扩展卡尔曼滤波(IMM-EKF)和交互式多模型无迹卡尔曼滤波(IMM-UKF),提出的IMM-RKF算法能够提高组合导航系统姿态、速度和位置估计精度。     

信息融合技术在INS/GPS/DVL组合导航中的应用研究

为克服某船载导航系统不能满足长时间高精度导航定位需要的缺点,提出了一种基于信息融合技术的INS/GPS/DVL联邦滤波器组合导航方案.介绍了INS/GPS/DVL联邦滤波器的工作模式,在建立INS、GPS和DVL误差模型的基础上,推导了滤波器的组合形式,并详细阐述了该联邦滤波器的融合算法.通过计算机仿真技术分析了该组合导航系统的性能,仿真证明了所设计的联邦滤波器可以充分利用各种导航传感器的信息,提高导航系统的精度,比单独的惯性导航系统能提供更为精确的位置、速度和姿态信息,有效地提高了导航系统的综合能力.